第 7 节 · SECTION 07

1.3 为什么要用 Docker

在回答 “为什么用 Docker” 之前，笔者想先问一个问题：你有没有经历过这些场景？

1.3.1 没有 Docker 的世界

在 Docker 出现之前，软件开发和运维面临着诸多棘手的问题。我们先来看看以下三个典型的痛点场景。

场景一：“在我电脑上明明能跑”

周五下午 5:00
├── 开发者：代码写完了，本地测试通过，提交！🎉
├── 周一早上 9:00
│   └── 测试："这个功能在测试环境跑不起来"
└── 开发者："不可能，在我电脑上明明能跑啊……"

笔者统计过，这个问题通常由以下原因导致：

Python/Node/Java 版本不一致
依赖库版本不一致
操作系统配置不一致
某些环境变量没有设置
“哦，忘了说我本地装了个 XXX”

场景二：环境配置的噩梦

新同事入职
├── Day 1：领电脑，配环境
├── Day 2：继续配环境，遇到问题
├── Day 3：换种方法配环境
├── Day 4：问老同事怎么配的，他也忘了
└── Day 5：终于能跑起来了！但不知道为什么……

场景三：服务器迁移的恐惧

运维："我们需要把服务迁移到新服务器"
开发："旧服务器上的配置文档在哪？"
运维："当时是一个已经离职的同事配的……"
所有人：😱

1.3.2 Docker 如何解决这些问题

Docker 的出现为上述问题提供了完美的解决方案。它通过 “一次构建，到处运行” 的核心理念，从根本上改变了软件交付的方式。

核心理念：一次构建，到处运行

flowchart LR
    dev["开发团队"] -->|创建| img["Docker 镜像"]
    img -->|测试团队验证| test["测试团队"]
    test -- "有问题<br/>反馈修改和更新" --> dev
    test -- "没问题<br/>发布" --> prod["生产环境"]

1.3.3 Docker 的核心优势

除了解决上述痛点，Docker 还拥有诸多显著的技术优势，包括环境一致性、秒级启动、高效的资源利用等。

1. 环境一致性

Docker 镜像包含了应用运行所需的大部分用户态依赖：代码、运行时、系统工具、库和默认配置。它不包含宿主机内核，也不能消除 CPU 架构、内核能力、外部服务、网络、卷和运行时配置差异。这意味着：

✅ 开发环境和生产环境可以显著减少差异
✅ 大幅降低 “在我机器上能跑” 的问题
✅ 新人入职，一条命令就能启动开发环境

## 新同事入职第一天

$ git clone https://github.com/company/project.git
$ docker compose up

## 完整的开发环境就准备好了

...

2. 秒级启动

传统虚拟机启动需要几分钟（引导操作系统），而 Docker 容器启动通常只需要 几秒甚至几百毫秒。

笔者实测数据：

启动内容	虚拟机	Docker 容器
空系统	~60 秒	~0.5 秒
MySQL	~90 秒	~3 秒
完整 Web 应用	~120 秒	~5 秒

这个差异对以下场景尤为重要：

CI/CD 流水线：每次构建节省几分钟，一天累积下来就是几小时
弹性扩容：流量高峰时能快速启动更多实例
开发体验：快速重启服务进行调试

3. 资源效率

Docker 容器共享宿主机内核，无需为每个应用运行完整的操作系统。以一台 64GB 内存的物理服务器为例：

传统虚拟机方案：每个虚拟机都需要运行完整的操作系统（每个额外占用如 2GB 内存），产生大量资源开销，实际可用于应用的内存可能只有约 18GB。
Docker 方案：容器直接共享宿主机系统，只需付出很少的基础开销（OS 及引擎约 4GB），即可将约 60GB 的内存全部用于实际应用。

flowchart TD
    subgraph VM ["传统虚拟机方案 ❌"]
        direction TB
        Server1["物理服务器 (64GB 内存)"]
        subgraph VMs ["可用应用内存: 约 18GB"]
            direction LR
            VM1["VM 1: 应用 1<br/>(含 2GB OS)"]
            VM2["VM 2: 应用 2<br/>(含 2GB OS)"]
            VM3["VM 3: 应用 3<br/>(含 2GB OS)"]
        end
        Server1 --- VMs
    end

    subgraph Docker ["Docker 方案 ✅"]
        direction TB
        Server2["物理服务器 (64GB 内存)<br/>含约 4GB OS及引擎配置"]
        subgraph Containers ["可用应用内存: 约 60GB"]
            direction LR
            C1["容器 1: 应用 1<br/>(按需分配)"]
            C2["容器 2: 应用 2<br/>(按需分配)"]
            C3["容器 3: 应用 3<br/>(按需分配)"]
        end
        Server2 --- Containers
    end

4. 持续交付和部署

Docker 完美契合 DevOps 的工作流程：

flowchart LR
    A["代码提交<br/>(Git push)"] --> B["自动构建镜像<br/>(docker build)"]
    B --> C["自动测试<br/>(容器内运行测试)"]
    C --> D["自动部署<br/>(容器滚动更新)"]

使用 Dockerfile 定义镜像构建过程，使得：

构建过程 可重复、可追溯
任何人都能从代码重建完全相同的镜像
配合 GitHub Actions 等 CI 系统实现自动化

5. 轻松迁移

Docker 可以在几乎任何平台上运行：

✅ 本地开发机 (macOS、Windows、Linux)
✅ 公有云（AWS、Azure、GCP、阿里云、腾讯云）
✅ 私有云和自建数据中心
✅ 边缘设备和 IoT

同一个镜像，在任何地方运行结果都一致。 这让应用迁移变得前所未有的简单。

6. 微服务架构的基石

现代微服务架构几乎都依赖容器技术。Docker 让你可以：

隔离服务：每个服务运行在独立容器中，互不干扰
独立扩展：哪个服务负载高，就单独扩展哪个
独立部署：更新一个服务不影响其他服务
技术多样：不同服务可以用不同语言和框架

flowchart TD
    subgraph Microservices ["微服务架构示例"]
        direction TB
        subgraph AppLayer ["应用层"]
            direction LR
            Frontend["前端容器<br/>(Node.js)"]
            API["API 容器<br/>(Python)"]
            Worker["Worker 容器<br/>(Go)"]
        end
        Redis["Redis 容器"]
        DB["PostgreSQL 容器"]

        Frontend --> API
        API --> Redis
        API --> DB
        Worker --> Redis
        Worker --> DB
    end

1.3.4 Docker 不适合的场景

笔者认为，技术选型要客观。Docker 并非银弹，以下场景可能不太适合：

需要完全隔离的场景：容器共享宿主机内核，隔离性不如虚拟机。如果需要运行不受信任的代码，虚拟机可能更安全。
需要特殊内核的场景：容器使用宿主机内核。如果应用需要特定版本的内核或内核模块，可能需要虚拟机。
Windows 原生应用：虽然 Docker 支持 Windows 容器，但生态不如 Linux 容器成熟。传统 Windows 应用的容器化仍有挑战。
桌面应用：Docker 主要面向服务端应用。桌面 GUI 应用的容器化虽然可行，但通常得不偿失。

1.3.5 与传统虚拟机的对比总结

关于容器与虚拟机的详细特性对比，请参阅 1.2.3 Docker vs 虚拟机中的对比表。总结来说：

性能差异：虚拟机通常有 5-20% 的性能损耗，而容器接近原生性能。
最佳场景：Docker 容器适合微服务、CI/CD、开发环境；虚拟机适合多租户、高安全需求场景。